INCAS

  • Posted on: 17 September 2012
  • By: admin
  • Updated on: 14 March 2019
En bref
Nom complet: 
INgénierie des Connaissances et Apprentissage pour les Systèmes de production de bien et de service
Liste de diffusion: 
Détails

Les entreprises passent aujourd’hui d’un paradigme de capitalisation des connaissances, pour les réutiliser et gagner ainsi en efficience, à une vision de partage des connaissances afin de soutenir et accélérer leurs innovations tant techniques qu’organisationnelles, dans un contexte de transformation digitale. Le développement des connaissances et compétences des acteurs, pour les rendre plus autonomes et plus responsables, devient donc un paramètre clé de succès.

C’est ce constat qui a amené une réflexion quant à l’évolution du positionnement scientifique et d’acronyme du GT (précédemment C2EI). Ainsi, ce nouveau nom INCAS se veut la traduction de la nouvelle orientation du GT, i.e. à l’interface entre les domaines de la modélisation d’entreprise, de l’Intelligence Artificielle et des Sciences Humaines et Sociales. En prenant en compte le fait que l’ingénierie des connaissances est intégrée dans des activités humaines, dans le pilotage et l’amélioration des processus d’entreprise, le GT INCAS propose d’adresser des problématiques de recherche (modèles, méthodes et outils) traitant des problèmes d’ingénierie ou de pilotage nécessitant une formalisation pertinente des connaissances et des compétences. Il est à souligner que les compétences évoluent et se périment de plus en plus rapidement. Comment alors optimiser leur évolution pour assurer la pérennité des performances du processus industriel ? L’utilisation de serious game pourrait être intéressante pour faire acquérir rapidement de nouvelles compétences. Par apprentissage, le GT INCAS entend traiter à la fois les problématiques d’apprentissage organisationnel, d’apprentissage automatique (Machine Learning) mais également d’apprentissage de compétences liées à l’ingénierie des connaissances. De nombreuses activités de l’entreprise pourront bénéficier des avancées récentes en apprentissage automatique mais l’efficience de ces techniques repose sur une connaissance a priori des objets, technologies et métiers concernés pour bien orienter les algorithmes (choix des paramètres mesurés ou évalués, ...) et évaluer la pertinence des connaissances extraites. L’hybridation des connaissances provenant de l’expertise humaine, de la formalisation des retours d’expérience et des connaissances générées par l’extraction automatique à partir des données est un angle de travail tout particulièrement intéressant pour le GT INCAS. Le principe de « Garbage in, garbage out » connu pour les problématiques de traitements des données reste d’actualité sur les problématiques d’apprentissage. Devant la multitude des sources de données, expériences et connaissances, leur hétérogénéité et l’incertitude sur leur qualité, les problématiques d’estimation de confiance, de renforcement de leur fiabilité et de collaboration deviennent importantes.

Les domaines d’applications concernent la production de biens et de services et, avec des collaborations fortes avec le GT IngéFutur (ex IS3C) ou Easy-Dim. Des synergies avec les autres GT, d’autres GdR (MADICS, pré-GdR IA) et d’autres communautés (AFIA, AFIS) se feront notamment, comme ce fut le cas pour C2EI, via les techniques de formalisation et d’extraction des connaissances et les domaines d’applications. Ces contributions sont en phase avec l’orientation sur la chaîne de valeur industrielle globale prônée par la Roadmap "Industry 4.0", les défis 3 (Stimuler le renouveau industriel) et 7 (Société de l’information et de la communication) mis en avant par l’ANR et Horizon 2020 (Factory of the Future, "Focus area : Digitising and transforming European industry and services (DT)".